平台简介
「听感量化智慧课堂」是面向影视声音编辑类课程的教学研究平台。它一方面以客观声学测量、教师艺术评价与 AI 解释相结合的方式,把听感从主观经验转化为可量化、可追溯、可成长的学习语言;另一方面也是一个个性化学习与 AI 定制化推荐平台,依托学习全过程沉淀的数据,为每位学生匹配适合的学习路径与练习内容。
一、平台定位
平台以影视声音编辑类课程为服务对象,首门落地课程为面向大学一年级的《音频非线性编辑》。它承担两个角色:一是统一的成长语言——作为教学工具,支撑学生作品提交、自评、机器分析、AI 反馈、教师评价与成长轨迹,让听感能力的每一步变化都有据可查;二是个性化学习引擎——完整保存学习全过程数据,据此识别每位学生的强项与短板,推送因人而异的练习与改进建议。
二、七维评价框架
把听感拆解为可测量的七个维度,前四维由算法客观打分,后三维由教师人工评价,最终合成七维雷达图。
技术维度
响度规范度
技术维度
频谱均衡度
技术维度
动态合理度
技术维度
声场兼容性
艺术维度
叙事契合度
艺术维度
情感表现力
艺术维度
创新创意度
合计
七维画像
技术四维由 FFmpeg / librosa / pyloudnorm 等开源工具测量原始参数,再按项目规则版本换算为 0—10 分;艺术三维由教师按 1—10 分整数评分。算法不替代教师,教师不替代算法。
三、人机协同的教学闭环
每个项目中,学生、智能系统与教师各司其职、环环相扣,形成完整的成长闭环,全过程留痕:
学生自评→
机器分析→
技术四维→
AI 解释与追问→
修改提升→
教师艺术评价→
七维雷达图
学生提交初稿后须独立完成自评,自评锁定后才显示机器结果;AI 只解释证据、提出认知追问与修改建议,不生成技术分数。
四、研究目标
两年研究周期内采集 6 个项目 × 2 学期的完整过程数据,重点分析:六次七维评分变化趋势、学生自评与客观检测的校准度提升、初稿到修改稿的提升幅度、学生技术归因能力发展、不同维度成长速度与瓶颈。
五、技术架构
后端
- Django 5.2 + Gunicorn + Nginx
- SQLite(WAL 模式,支撑课堂并发)
- FFmpeg / librosa / pyloudnorm 音频分析
AI 服务
- DeepSeek(v4-flash / v4-pro,支持深度思考)
- 硅基流动(GLM / Kimi / Qwen 多模型)
- 智谱 GLM-5.3-flash:双引擎智能容错
- 多学生并发高峰主模型调用失败时,自动切换智谱引擎回答,学生提问不落空
- 本地知识库 + 关键词检索
评价
- 技术四维:规则引擎,可重复
- 艺术三维:教师背靠背双评 + 超管仲裁
- 七维雷达图 SVG 渲染
部署
- 腾讯云轻量服务器 2C4G
- 域名 zhihuiyin.cloud(ICP备案号:赣ICP备2026020321号,2026-08-25 管局审核通过)
- HTTPS:SSL 证书已签发并部署
六、伦理与隐私
研究数据导出时以匿名研究编号替代学生姓名与学号;AI 调用不发送原始音频与学生身份信息;教师艺术评价采用背靠背双评,互不可见;所有 AI 反馈可由教师复核。